基于蓝牙室内定位算法优化的制作方法

本发明涉及室内定位技术领域，特别涉及基于蓝牙室内定位算法优化。

背景技术：

目前，伴随着物联网和移动通信技术的快速普及，室内精准定位已经成为无线传感网络。室内环境的复杂性对无线信号的传播过程产生明显的干扰和影响，gps技术主要用于室外定位领域，用在室内环境中定位精度降低。基于测距算法和测距无关算法是常见的两类定位算法。基于测距算法对硬件有一定要求但定位精度较高，主要代表有rssi、toa、tdoa和aoa。

目前多种基于rssi的定位算法普遍存在测距误差较大的问题，这是由于定位节点和参考节点之间的无线通信信道十分复杂导致的。无线电信号的多径传播以及定位节点或周围散射体的运动所引入的非线性时变特性等因素是移动通信信道的主要特征，这些特征不仅是影响通信质量的主要原因，也是造成无线定位误差的主要因素。其中环境对rssi测量的影响，同时得出了消除环境因素对rssi测量的影响，定位精度可在一个较短的通信范围内实现提高这一结论。方案也可采用三角质心定位算法完成节点的定位，但是传统的定位算法中使用的环境参数来自经验值或是对整体环境的环境参数拟合，没有充分考虑到室内环境布局复杂、空间狭小对rssi测量的干扰。因此，这两种计算环境参数的方法并不能正确反应客观现实情况。在基于rssi的测距技术的基础上，提出使用最小二乘法对环境参数进行拟合的方案，但是没有考虑到通信距离过长对rssi测量的影响，在通信距离过长条件下测量的rssi值拟合出的环境参数会大大降低其适用性。

技术实现要素：

针对现有技术中的上述不足，本发明提供了基于蓝牙室内定位算法优化，其优化效果更好，提高了室内定位的精度。

为了达到上述发明目的，本发明采用的技术方案为：

基于蓝牙室内定位算法优化，包括以下步骤：

步骤1，在区域内部署多个同构ibeacon参考锚节点，锚节点以自身为圆心，按照一定频率周期性的向周围广播信息，信息中包括锚节点的自身id及其位置信息数据；当支持ble4.0的设备进入广播区域时，可获取锚节点的广播数据包并上传至服务器，

步骤2，将待测节点部署在广播区域内，并对接收到的广播数据包进行去噪、滤波、拟合，根据距离值与相应的rssi值数据之间的关系，建立信号传播模型；信号传播模型的公式如下：

pl(d)＝pl(d0)+10nlg(d/d0)+ε

其中式中:d、d0为待测节点位于不同位置时与参考锚节点间的欧式距离；pl(d)、pl(d0)分别为距参考锚节点d、d0处的信号强度(dbm)；n为无线传输信号的衰减因子，通过样本数据去噪和拟合，确定特定环境下的取值；ε为均值为0且服从高斯分布的随机变量；

通过误差修正算法来确定ibeacon在室内环境下的信号传播模型；

步骤3，将去噪滤波后的各参考锚节点的rssi值按照大小降序排列，找出可信度最高的前三个甚至更多个参考节点，用于定位计算；

优先选取与待测节点距离最近的4个参考锚节点a、b、c和d，筛选掉对定位精度影响较小或可能产生定位干扰的节点；

步骤4，利用加权质心定位算法计算待测节点的初始位置坐标；依次进行迭代计算，直至待测节点位置坐标趋于稳定；

若步骤3中选取的4个锚节点中任意3个锚节点无法构成图1所示三环重叠不规则区域o1o2o3，那么使用与待测节点间距离更大的锚节点，代替当前节点集中距离待测节点最远的锚节点，直到可构成区域o1o2o3为止；

步骤5，利用步骤4中修正的4个锚节点中任意3个进行待测节点定位；分别以3个参考锚节点为圆心，并以进行误差修正后的参考锚节点与待测节点间的距离为半径，构造广播重叠区域；

步骤6，在计算重叠区域交点o1、o2和o3坐标后，为加强距离待测节点较近的参考锚节点在定位过程中的作用，有别于传统质心算法以距离倒数作为加权因子，分别以o1、o2和o3到3个参考锚节点的距离倒数之和作为加权插值，计算重叠三角区域的加权质心n1坐标；

步骤7，重复步骤5和步骤6，将余下锚节点中的任意3个反复组合，得到另外3个重叠区域的加权质心坐标n2、n3和n4。

步骤8，对n1、n2、n3和n4参照倒数距离加权插值思路，确定待测节点m的理论坐标值。

步骤9，比较待测节点的计算所得的理论坐标与实际坐标之间的误差，以评价算法精度。

本发明的有益效果为：本优化方案结合ibeacon锚节点普及的线下应用场景，在针对传统加权质心算法进行分析的基础上，提出了ecirwc算法。该算法通过对样本数据筛选和拟合确定ibeacon的传输模型，优化待测节点附近参考锚节点的筛选方式，并对待测节点和参考锚节点间的估算距离进行误差修正，最终通过优化后的加权插值作为加权因子完成待测节点定位。实现需要定义节点密度及环境参数的耦合值参数数据。

附图说明

图1为节点密度及环境参数优化算法式；

图2是多rssi滤波算法式；

图3为各定位节点取值的关系图；

图4为定位节点位置关系图；

图5为定位算法模型。

具体实施方式

为了使本发明的内容更容易被清楚地理解，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

一、蓝牙测距原理

部署的ibeacon锚节点将以其自身为圆心，以预设频率持续性向周围广播其id和位置数据。ibeacon锚节点的通信过程遵循无线信号传输损耗模型，包括自由空间传播模型、对数距离路径损耗模型和对数－常态分布模型。对数－常态分布模型适合于各类复杂的环境的信号损耗评估。本文将以该模型为基础，针对确定的同构ibeacon节点进行测距和拟合。该模型表述为

pl(d)＝pl(d0)+10nlg(d/d0)+ε

其中式中:d、d0为待测节点位于不同位置时与参考锚节点间的欧式距离；pl(d)、pl(d0)分别为距参考锚节点d、d0处的信号强度(dbm)；n为无线传输信号的衰减因子，通过样本数据去噪和拟合，确定特定环境下的取值；ε为均值为0且服从高斯分布的随机变量。

若在定位过程中将待测节点置于d0＝1m处，则pl(d0)为距参考锚节点1m处的接收功率。文中的ibeacon锚节点均为同构锚节点，其取值为固定值。ibeacon在室内三维传感环境下信号传播模型为rssi＝t－10nlgd+ε

其中式中:t为距ibeacon参考锚节点1m处测得的rssi值，通过对多个同构ibeacon锚节点样本数据筛选和拟合得到。

二、节点密度环境参数优化

上述rssi测距模型在短距离范围内有较好的相关性，随着定位节点距离增大，rssi值变化率越来越小，测距精度下降，因此该方法比较适合短距离测距。考虑到室内的结构、布局设置的复杂性，长距离测距势必带来模型的准确性大大下降。针对这一问题，设定一个节点通信临界距离dmax，在小于此距离内的测距误差不会明显增大，以保证测距模型在使用时其计算误差在一个较小的允许值内。通过增设参考节点，通过加大节点布置密度来减少长距和环境(障碍物的反射、衍射、多径效应)对rssi测距的影响。为避免过度布置参考节点而带来设备投入增加过多，对整个定位区域通过增加参考节点的方式来进行划分分割。区域分割后，在任意一个子区域中，待定位节点与最近的3个参考节点距离不超过临界距离dmax，根据环境实测，临界距离dmax取5m。对于一个小于3.5m*3.5m或3m*4m之类的定位区域，通过3个参考节点就能达到小于临界距离dmax的要求，否则就须增加参考节点。

为了使rssi测距能获得更高的精度，需要根据当前室内环境，对定位区域内的定位节点位置进行rssi测量，对每一个参考节点进行环境参数a和n拟合、优化。拟合时，通过线性回归分析来计算环境参数a和n的值。为保证测距精度，在当前室内环境，定位节点距参考节点5m范围以内，以每0.5～1m为间隔进行等距测量，每点测量100次rssi值并取均值，采集到的离线数据使用线性回归分析，代入下列公式，其中m为测量的间隔点数，可得出此参考节点的环境参数a和n。如附图1所示，至此，对rssi测距模型的两个重要环境参数a和n结合当前环境进行了优化，有利于提高rssi测距精度。

三、rssi滤波优化模型

在自然现象中，大量随机变量近似服从正态分布，可采用高斯滤波来过滤低概率情况。在进行定位rssi值测量时，由于环境影响，rssi值与距离并非完全一一对应，在同一点位测得的rssi值会存在一定波动。定位节点在某一位置某一短时段内可以接收到多个rssi值，通过高斯滤波，减小小概率、大干扰的rssi值影响，得到一个离准确值较近的rssi值。选择高概率发生区0.2～0.8，通过高斯滤波后，rssi值的范围为：[-0.85σ+μ,+0.85σ+μ]，如图2所示，在测得的m个rssi值后，用符合此范围内的全部值求几何平均值，即为最终的rssi值。利用此rssi值，通过测距模型公式，可计算得到后续定位算法所需的、较精确的距离值。

四、定位算法

在获得定位节点与多个参考节点的rssi值后，考虑到节点之间的通信距离、环境对rssi值的影响，合理选取参考节点rssi值是进行定位计算前重要的一个环节。通过rssi值的大小排序，找出可信度最高的前三个参考节点，用于定位计算。定位计算时，采用加权质心定位算法。加权质心定位算法是在质心定位算法基础上，通过权重因子来反映参考节点对质心坐标决定权的大小，利用权重因子来体现各个参考节点对质心位置的影响，一定程度反映了各参考节点与定位节点之间的内在关系。

利用三点法定位计算时，由rssi值可算出三个参考节点到定位节点的距离r1、r2、r3，从而可以求得定位节点位置。但由于测量的不准确性，往往三个圆不相交于一点，而是形成一个相关区域，利用三个圆两两相关的三个点p1(x1,y1)、p2(x2,y3)、p3(x3,y3)，构造成一个三角形，以三角形的加权质心近似确认为定位节点的位置。

在计算质心点p坐标时，为反映各参考节点对定位节点位置影响力的大小，通过权重因子来体现。加权质心点坐标p附图4所示。

五、算法实现

基于蓝牙室内定位算法优化，包括以下步骤：

步骤1，在区域内部署多个同构ibeacon参考锚节点，锚节点以自身为圆心，按照一定频率周期性的向周围广播信息，信息中包括锚节点的自身id及其位置信息数据；

步骤2，将待测节点部署在广播区域内，并对接收到的广播数据包进行去噪、滤波、拟合，根据距离值与相应的rssi值数据之间的关系，建立信号传播模型；信号传播模型的公式如下：

pl(d)＝pl(d0)+10nlg(d/d0)+ε

其中式中:d、d0为待测节点位于不同位置时与参考锚节点间的欧式距离；pl(d)、pl(d0)分别为距参考锚节点d、d0处的信号强度(dbm)；n为无线传输信号的衰减因子，通过样本数据去噪和拟合，确定特定环境下的取值；ε为均值为0且服从高斯分布的随机变量；

通过误差修正算法来确定ibeacon在室内环境下的信号传播模型；

步骤3，将去噪滤波后的各参考锚节点的rssi值按照大小降序排列，找出可信度最高的前三个甚至更多个参考节点，用于定位计算；

优先选取与待测节点距离最近的4个参考锚节点a、b、c和d，筛选掉对定位精度影响较小或可能产生定位干扰的节点；

步骤4，利用加权质心定位算法计算待测节点的初始位置坐标；依次进行迭代计算，直至待测节点位置坐标趋于稳定；

若步骤3中选取的4个锚节点中任意3个锚节点无法构成图1所示三环重叠不规则区域o1o2o3，那么使用与待测节点间距离更大的锚节点，代替当前节点集中距离待测节点最远的锚节点，直到可构成区域o1o2o3为止；

步骤5，利用步骤4中修正的4个锚节点中任意3个进行待测节点定位；分别以3个参考锚节点为圆心，并以进行误差修正后的参考锚节点与待测节点间的距离为半径，构造广播重叠区域；

步骤6，在计算重叠区域交点o1、o2和o3坐标后，为加强距离待测节点较近的参考锚节点在定位过程中的作用，有别于传统质心算法以距离倒数作为加权因子，分别以o1、o2和o3到3个参考锚节点的距离倒数之和作为加权插值，计算重叠三角区域的加权质心n1坐标；

步骤7，重复步骤5和步骤6，将余下锚节点中的任意3个反复组合，得到另外3个重叠区域的加权质心坐标n2、n3和n4。

步骤8，对n1、n2、n3和n4参照倒数距离加权插值思路，确定待测节点m的理论坐标值。

步骤9，比较待测节点的计算所得的理论坐标与实际坐标之间的误差，以评价算法精度。

以上所述仅为本发明专利的较佳实施例而已，并不用以限制本发明专利，凡在本发明专利的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明专利的保护范围之内。